محققان دانشگاه شیکاگو رویکرد جدیدی برای کشف و توسعه الکترولیتهای جامد ارائه داده اند. موادی که کلید افزایش پیروزی ، ایمنی و طول عمر باتری های لیتیوم یون نسل بعدی هستند و می توانند یک تغییر اساسی در صنعت خودروهای برقی ایجاد کنند.
به گزارش میهن تجارت ، در دوره رقابت برای توسعه اتومبیل های برقی با دامنه بالاتر و دوام بالاتر ، نوآوری در باتری ها به یکی از اصلی ترین مرکز تحقیقات علمی تبدیل شده است. تیمی از دانشمندان دانشگاه شیکاگو اکنون موفق شده اند گامی طولانی در طراحی نسل بعدی باتری ها با استفاده از هوش مصنوعی بردارند. این فناوری جدید می تواند روند کشف و توسعه الکترولیتهای پیشرفته ، الکترولیت هایی را که نقش مهمی در عملکرد ، ایمنی و عمر مفید باتری های لیتیوم یون دارند ، به طرز چشمگیری تسریع کند.
الکترولیتهای جامد ؛ راهی برای افزایش عمر دو برابر و باتری
باتری های لیتیوم نسل جدید بر روی الکترولیت های جامد طراحی شده اند. موادی که می توانند هدایت یون بالا ، ثبات شیمیایی و بهره وری بهینه انرژی را در همان زمان فراهم کنند. اما دستیابی به یک ترکیب شیمیایی که دارای تمام این ویژگی ها باشد کار آسانی نیست. به طور سنتی ، این ترکیبات از طریق روش های آزمایش و خطا یافت می شوند. یک فرآیند زمان و پر هزینه.
تیم تحقیقاتی به سرپرستی ریتش کومار ، دانشجوی کارشناسی ارشد در آزمایشگاه Amancouku در دانشکده مهندسی مولکولی دانشگاه شیکاگو ، توانسته است با طراحی یک چارچوب مبتنی بر هوش مصنوعی ، راه را هموار کند. آنها با استفاده از شاخصی به نام مدل ایجاد کرده اند امتیازاین مولکول های الکترولیت را از نقطه نظر سه هدایت یون کلیدی ، ثبات اکسیداتیو و بازده استعمار ارزیابی و ارزیابی می کند.
تغذیه هوش مصنوعی با داده های 2 ساله
برای آموزش این مدل ، محققان داده های مربوط به باتری را از بیش از 5 مطالعه علمی برای چند سال استخراج کرده اند. اطلاعاتی که بسیاری در قالب تصاویر ، نمودارها و جداول تعبیه شده در مقالات بودند و قادر به استخراج خودکار نبودند. به گفته محققان ، چالش اصلی این بود که مدل های زبان مشترک فقط با داده های متنی کار می کنند ، بنابراین داده های مربوط به تصاویر مورد نیاز برای وارد کردن دستی. این حجم زیادی از داده ها این مدل را قادر به یادگیری الگوهای شیمیایی پیچیده و پیش بینی عملکرد مولکول های جدید می کند.
در یک آزمایش ، این مدل قادر به شناسایی مولکولی بود که عملکرد آن برابر با بهترین الکترولیتهای تجاری موجود بود. این یک نقطه عطف در استفاده از هوش مصنوعی در زمینه طراحی مواد است.
هوش مصنوعی ؛ مثل یک دی جی شیمیایی
در یک مثال جالب ، پروفسور Amanchuku استفاده از هوش مصنوعی در این پروژه را با پخش کننده های موسیقی آنلاین مقایسه می کند: “دقیقاً همانطور که سیستم های پخش آنلاین از عادات گوش دادن به کاربر برای ارائه آهنگ های بهتر یاد می گیرند ، مدل ما همچنین می آموزد که کدام مولکول ها برای ساخت الکترولیت های بهتر مناسب تر هستند.”
“مرحله بعدی نه تنها شناسایی مولکول های خوب بلکه طراحی مولکول های کاملاً جدید است ؛ زیرا یک DG حرفه ای یک لیست پخش منحصر به فرد به شما می دهد.”
مرحله بعدی: ورود به یک فضای شیمیایی ناشناخته
اگرچه نتایج اولیه دلگرم کننده بوده است ، محققان تأکید می کنند که هنوز راه طولانی وجود دارد. مدل فعلی توانسته است برای ترکیبات شیمیایی مشابه موارد خوب شناخته شده عملکرد خوبی داشته باشد ، اما برای ارزیابی ترکیباتی که در ساختار شیمیایی کاملاً متفاوت هستند ، به آموزش بیشتری نیاز دارد.
در حال حاضر ، تمرکز تیم بر روی تهیه نسخه ای از مدل است که می تواند عملکرد مولکول ها را در آن انجام دهد فضاهای شیمیایی ناشناخته همچنین پیش بینی کنید در صورت دستیابی به این هدف ، درهای جدید به طراحی باتری هایی که سبک تر ، ایمن تر و بسیار بادوام تر از نمونه های امروز هستند باز می شوند.
آینده ای روشن برای باتری های اتومبیل برقی
این مطالعه که در مجله شیمی مواد منتشر شده است ، یک وعده انقلابی در صنعت باتری است. استفاده از هوش مصنوعی نه تنها روند تحقیق و توسعه را تغییر می دهد ، بلکه می تواند وابستگی به منابع گران قیمت و زمان را کاهش دهد. اگر پیشرفت همچنان ادامه داشته باشد ، در آینده نه چندان دور ، ما تابلوهای بیشتری را خواهیم دید ، شارژ سریعتر و طول عمر طولانی تر. اتومبیل هایی که به لطف فناوری هوش مصنوعی هر روز باهوش تر و کارآمدتر می شوند.
